Eye-Tracking für die medizintechnische Industrie

Einführung

Zählt man die Hilfsmitteltechnologien (Assistive Technologies) mit zur medizintechnischen Industrie, dann kann diese Industrie zweifellos auf die längste Tradition bei der Anwendung von Eye-Tracking blicken. Menschen mit schweren körperlichen Einschränkungen wieder in die Lage zu versetzen, am täglichen Leben teilzunehmen, gehört sicherlich zu den spektakulärsten Anwendungen von Eye-Tracking. Die Augenkontrolle für die Hilfsmitteltechnologien gehört deshalb auch zu den besonders etablierten Anwendungen von Eye-Tracking. Darüber hinaus wurden über die Jahre hinweg weitere Anwendungen des Eye-Tracking speziell für die Medizintechnik entwickelt.

Bevor wir uns diesen Anwendungen zuwenden, ist es sinnvoll für all jene, die Zeit, Humankapital oder Finanzkapital in die medizintechnische Industrie investieren wollen, einen Blick auf das langfristige Wachstum dieser Industrie, die Treiber dieses Wachstums und die Zukunftsaussichten zu werfen, um zu erkennen, warum die Weiterentwicklung von angewandter Eye-Tracking Forschung gerade für diese Industrie auch aus rein wirtschaftlichen Erwägungen so viel Sinn macht.

Medizintechnische Güter sind „Superiore Güter“[1]

Es ist eine einfache Einsicht der mikroökonomischen Haushaltsökonomie, dass der wirtschaftliche Wert der Zeit mit zunehmendem Einkommen überproportional steigt. Das bedeutet, dass alle Güter und Dienstleistungen, die uns mehr Lebenszeit schenken, einen stetig steigenden Anteil bei den Konsumausgaben haben müssen. Die Güter und Dienstleistungen des Gesundheitssektors zusammen mit den Gütern und Dienstleistungen, die zu einem gesünderen Leben führen – wie beispielsweise Sportartikel und gesündere Lebensmittel – besitzen die Fähigkeit, uns zusätzliche Lebenszeit zu schenken und gehören deshalb zu den sogenannten superioren Gütern, deren Konsumausgabenanteil mit steigendem Einkommen notwendigerweise steigen muss. Dieser einfache mikroökonomische Zusammenhang wird von Gesundheitspolitikern, die sich mit schöner Regelmäßigkeit an den Diskussionen um „Kostensenkungen im Gesundheitssektor“ beteiligen, ganz offensichtlich nicht wahrgenommen.

Als Wachstumstreiber des Gesundheitssektors wird fälschlicherweise immer ausschließlich auf die demografische Entwicklung verwiesen. Die Alterung der Bevölkerungsstruktur unserer deutschen Gesellschaft ist zweifelsfrei ein extrem wichtiger Wachstumstreiber der heimischen Nachfrage nach Medizintechnik. Sie kann aber nicht erklären, warum weltweit die Nachfrage nach Medizintechnik auch in Ländern ständig steigt, deren Bevölkerungsstruktur diese Überalterung nicht aufweist. Die deutsche medizintechnische Industrie ist aber extrem exportorientiert und auch exportstark und deshalb gerade auch auf das Nachfragewachstum in den Ländern angewiesen, die eine ungleich jüngere Bevölkerungsstruktur aufweisen. Warum ist das hier in dem hier zu diskutierenden Zusammenhang wichtig und erwähnenswert?

Die Bedeutung der Einkommenselastizität der Nachfrage nach medizintechnischen Gütern für die Prognose des langfristigen Wachstums

Die vergangene Entwicklung bei Umsatz und Beschäftigten dieser Industrie, die zur verarbeitenden Industrie und nicht zur Dienstleistungsindustrie gehört, zeigt zwar eindeutig ein persistentes Wachstum in der Vergangenheit. Vergangenes Wachstum bietet aber leider keine Garantie dafür, dass dies sich auch in Zukunft so entwickeln muss. Es kommt hinzu, dass die sogenannten „namhaften Unternehmensberatungsgesellschaften“ seit vielen Jahren gebetsmühlenartig das Märchen verbreiten, die verarbeitenden Industrien in den OECD Staaten würden prinzipiell zu den Wachstumsverlierern gehören und nur die Dienstleistungsindustrien würden auf der Sonnenseite des ewigen Wachstums stehen. Dass es sich dabei um ein rhetorisch gut verpacktes Märchen handelt, weiß jeder, der sich z. B. mit den Industrien CleanTech, Renewable Energy, Gebäudetechnik und eben auch mit Medizintechnik beschäftigt. Die positive Prognose für die Medizintechnik ist in der einfachen, bereits genannten Einsicht der mikroökonomischen Haushaltsökonomie begründet, die aber an den namhaften Business Schools nicht gelehrt wird, in denen die Berater der namhaften Unternehmensberatungsgesellschaften ausgebildet wurden.

Der langen Rede kurzer Sinn: All jene angewandten Forscher im Bereich Eye-Tracking sind gut beraten, ihre Zeit und ihr Humankapital darin zu investieren, Anwendungen für die medizintechnische Industrie zu entwickeln, denn diese Investitionen werden sich langfristig auch wirtschaftlich als sehr sinnvoll erweisen. Ein weiterer Grund für die positiven langfristigen Wachstumsaussichten der medizintechnischen Industrie liegt in ihrer starken Forschungs- und Entwicklungsaktivität begründet. Die medizintechnische Industrie gehört zu den extrem forschungsintensiven und exportstarken Industrien. Ein Drittel ihrer Produkte ist jünger als vier Jahre, und 9 % des Umsatzes wird wiederum für F&E ausgegeben. Zwei Drittel der Umsätze der medizintechnischen Industrie Deutschlands werden durch Exporte erzielt. [1]

Aber auch die Geisteshaltung dieser angewandten Forscher im Bereich Eye-Tracking entspricht sehr derjenigen, die ihre Ausbildung in den MINT-Studiengängen erhalten haben und Wert auf objektive, quantitative Daten legen. Das wiederum erleichtert es sehr, über Fakultätsgrenzen hinweg gemeinsam an innovativen Problemlösungen zu arbeiten, denn die Grundlage solcher Zusammenarbeit bilden die wissenschaftlichen Standards, die für die Qualität der Forschung gelten muss. Und schließlich gehört Eye-Tracking zu den besonders innovativen Forschungsfeldern und wird von denjenigen ungleich besser verstanden, die den Großteil ihres Berufslebens damit verbringen, Innovationen voranzutreiben, anstatt sie zu verhindern.

Sowohl der heimische als auch der Umsatz der Exporte der deutschen medizintechnischen Industrie zeigt über die letzten Jahre hinweg stetiges Wachstum. Interessant ist in diesem Zusammenhang auch die Beschäftigungsentwicklung dieser Industrie im Hochlohnland USA, für die monatliche Daten seit 1990 zur Verfügung stehen. Die nächsten beiden Grafiken zeigen die Entwicklung der Zahl der Mitarbeiter der medizintechnischen Industrie in den USA für elektrotechnische Apparate sowie für medizinische Geräte. Auffällig ist das stetige langfristige Wachstum des Einsatzes des Humankapitals über zweieinhalb Jahrzehnte, das in dieser Kontinuität in den USA sehr selten ist bei den mehr als 850 verschiedenen Branchen, für die solche Zeitreihen zur Verfügung stehen. Damit gehört die medizintechnische Industrie auch in den USA mit ihren sehr marktwirtschaftlich orientierten Arbeitsmärkten zu denjenigen Branchen, bei denen sich Investitionen in Humankapital langfristig ausgezahlt haben.

Eye-Tracking Anwendungen in der medizintechnischen Industrie

Es sind gleich mehrere Anwendungsgebiete innerhalb der Medizintechnik, für die Eye-Tracking technologische oder wirtschaftliche Lösungen entwickelt hat. Zu nennen sind hier vor allem die Bereiche:

1. Diagnose
2. Augensteuerung für medizinisches Personal
3. Visuelle Expertise
4. Visual Guidance
5. Usability von medizintechnischen Apparaten
6. Usability von Healthcare Websites

Die Augenbewegungen des Menschen können dazu genutzt werden, bestimmte Dimensionen des Gesundheitszustandes des Menschen zu messen. Hierzu gehören z. B. Alzheimer, Autismus, Gehirnerschütterungen, Schizophrenie. Dementsprechend wurde Eye-Tracking eingesetzt, um die Diagnose in diesen Bereichen zu unterstützen.

Eine für den Nicht-Mediziner überraschende Einsicht besteht darin, dass die medizinische berufliche Alltagspraxis zu einem sehr großen Teil aus dem besteht, was man als die Anwendung der visuellen Expertise bezeichnet. Damit ist die Fähigkeit gemeint, Strukturen visuell zu erkennen (auf Röntgen-Bildern, CT-Aufnahmen oder auf den Bildschirmen der Ultraschall-Geräte), die auf eine Veränderung oder Abweichung vom normalen Gesundheitszustand hinweisen. Eine Reihe von Forschungsarbeiten mithilfe von Eye-Tracking haben gezeigt, dass sich die Augenbewegungen von Experten und Neulingen signifikant unterscheiden. Diese Tatsache kann man dann nutzen, um die visuelle Expertise der Experten, die sich in typischen Augenbewegungen zu erkennen gibt, zu extrahieren, zu analysieren, aufzuzeichnen und im letzten Schritt den Neulingen zu zeigen.

Auf diese Weise kann die visuelle Expertise an Medizin-Studenten weitervermittelt werden. Studenten schauen durch die Augen ihrer Professoren und können auf diese Weise angeleitet werden, die visuellen Skills ihrer Lehrer zu lernen. Aber auch für die automatisierte Diagnose kann man diese Informationen nutzen.

Und schließlich kann Eye-Tracking sehr sinnvoll dazu eingesetzt werden, die Nutzerfreundlichkeit von medizintechnischen Geräten zu überprüfen, Schwachstellen zu identifizieren und dadurch zu verbessern. Auf diese Funktion, die Eye-Tracking für die Medizintechnik leisten kann, gehen wir ausführlich auf den Seiten zur „Eye-Tracking Projektentwicklung – 3. Eye-Tracking für die Verbesserung der Nutzerfreundlichkeit der Medizintechnologie“ ein.

Diagnose

Culhalm, Jody C., Brandt, Stephan A., Cavanagh, Patrick, Kanwisher, Nancy G., Dale, Anders M. and Tootell, Roger B. H., [1998], “Cortical fMRI Activation Produced by Attentive Tracking of Moving Targets”, Journal of Neurophysiology, Vol. 80, no. 5, pp. 2657-2670, November 1998.

Frazier, Thomas W., Klingemier, Eric W., Beukemann, Mary, Speer, Leslie, Markowitz, Leslie, Parikh, Sumit, Wexberg, Steven, Giuliano, Kimberly, Schulte, Elaine and Delahunty, Carol, [2016], “Development of an Objective Autism Risk Index Using Remote Eye Tracking”, Journal of the American Academy of Child and Adolescent Psychiatry, April, Vol. 55, No. 4, pp. 301-309, 2016.

Frazier, Thomas W. and Parikh, Sumit, [2016-2017], “Eye Gaze-Based Autism Risk Index Shows Promise as First Objective Diagnostic Tool”, pp. 18-20, Cleveland Clinic Children’s Hospital for Rehabilitation, Pediatric Research Perspectives, 2016-2017.

Gomez-Ibañez, Asier, Urrestarazu, Elena and Viteri, Cesar, [2014], “Recognition of facial emotions and identity in patients with mesial temporal lobe and idiopathic generalized epilepsy: An eye-tracking study”, Seizure, Volume 23, Issue 10, pp. 892-898, November 2014.

Hirsch, Suzanna B., Vogel-Farley, Vanessa K., Redcay, Elizabeth and Nelson, Charles A., [2013], “Eye-Tracking, Autonomic, and Electrophysiological Correlates of Emotional Face Processing in Adolescents with Autism Spectrum Disorder”, Journal of Autism Development Disorders, Vol. 43, No. 1, pp. 188–199, January, 2013.

Jurák, P., Halámek, J., Bareš, M., Brázdil, M. and Daniel, P., [2000], “Eye Movements and Parkinson’s Disease”, XVI IMEKO World Congress Measurement – Supports Science – Improves Technology – Protects Environment … and Provides Employment – Now and in the Future, Vienna, Austria, September 25-28, 2000.

Karatekin, Canan, [2007], “Eye tracking studies of normative and atypical development”, Developmental Review, Vol. 27, pp. 283–348, 2007.

Lipuma, Lauren, [2014], “Ophthalmology meets neurosurgery: Eye tracking for brain injury”, Eye World, News and Opinion, page 20, November 2014.

Loetscher, Tobias, Chen, Celia, Wignall, Sophie, Bulling, Andreas, Hoppe, Sabrina, Churches, Owen, Thomas, Nicole A., Nicholls, Michael E. R. and Lee, Andrew, [2015], “A study on the natural history of scanning behaviour in patients with visual field defects after stroke”, Bio Med Central Neurology, pp. 15-64, 2015.

Ramanuj, Venktesh and Rameshwar, Iyer, [2016], “Future diagnostic in Glaucoma using eye tracking technology”, IJSETAR, Themed Section: Science, Engineering, Technology and Multidisciplinary Advance Research, Volume 1, Issue 5, 2016.

Ting, Windsor Kwan-Chun, Velazquez, Jose Luis Perez and Cusimano, Michael D., [2014], “Eye movement measurement in diagnostic assessment of disorders of consciousness”, Fontiers in Neurology, Volume 5, Article 137, July 2014.

Trepagnier, Cheryl, Gupta, Vineet, Sebrechts, Marc and Rosen, Michael J., [2000], “How Does He Look. Tracking Autistic Gaze”, pp. 28-30, Winters, Jack, (Ed.), [2000], Proceedings of the RESNA 2000 Annual Conference: Technology for the New Millennium, Orlando, Florida, June 28-July 2, 2000, Volume 20, RESNA: Association for the Advancement of Rehabilitation Technology, Arlington, VA, 2000.

Vermersch, Patrick, Outteryck, Olivier and Petzold, Axel, [2010], “Optical Coherence Tomography – A New Monitoring Tool for Multiple Sclerosis?”, European Neurological Review, Vol. 5, No. 1, pp. 73–77, 2010.

Augensteuerung für medizinisches Personal

Truma, Gregor, [2015], „Gezielter Blick, freie Hände – Augensteuerung: Wie die Auswertung der Blickrichtung den Monitor beeinflusst“, medizin-und-technik.de, 12. Februar, 2015.

Visuelle Expertise

Cooper, Lindsey, Gale, Alastair, Darker, Iain, Andoni, Toms and Saada, Janak, [2009], “Radiology image perception and observer performance: how does expertise and clinical information alter interpretation? Stroke detection explored through eye-tracking”, in: Sahiner, B. and Manning, D. J. (eds.), Medical Imaging 2009, Image Perception, Observer Performance, and Technology Assessment. Proceedings of SPIE, Vol. 7263, Society of Photo-Optical Instrumentation Engineers, 2009.

Gegenfurtner, Andreas, Kok, Ellen, van Geel, Koos, de Bruin, Anique, Jarodzka, Halszka, Szulewski, Adam and van Merriënboer, Jeroen J.G., [2017], “The challenges of studying visual expertise in medical image diagnosis”, Medical Education, Vol. 51, pp. 97–104, 2017.

Gegenfurtner, Andreas, Lehtinen, Erno and Säljö, Roger, [2011], “Expertise Differences in the Comprehension of Visualizations: A Meta-Analysis of Eye-Tracking Research in Professional Domains”, Educational Psychology Review, Vol. 23, Issue 4, pp. 523–552, 2011.

Gegenfurtner, A., Siewiorek, A., Lehtinen, E., and Säljö, R., [2013], „Assessing the quality of expertise differences in the comprehension of medical visualizations”, Vocations and Learning, Vol. 6, No. 1, pp. 37-54, 2013.

Heiberg Engel, Peter Johan, [2008], “Tacit knowledge and visual expertise in medical diagnostic reasoning: Implications for medical education”, Medical Teacher, Volume 30, Issue 7, 2008.

Jaarsma, Thomas, Boshuizen, Henny P., Jarodzka, Halszka, Nap, Marius, Verboon, Peter, and van Merriënboer, Jeroen J. G., [2016], “Tracks to a Medical Diagnosis: Expertise Differences in Visual Problem Solving”, Applied Cognitive Psychology, Vol. 30, pp. 314–322, 2016.

Kok, Ellen M. and Jarodzka, Halszka, [2017], “Before your very eyes: the value and limitations of eye tracking in medical education”, Medical Education, Vol. 51, pp. 114–122, 2017.

Matsumoto, Hideyuki, Terao, Yasuo, Yugeta, Akihiro, Fukuda, Hideki, Emoto, Masaki, Furubayashi, Toshiaki, Okano, Tomoko, Hanajima, Ritsuko and Ugawa, Yoshikazu, [2011], “Where Do Neurologists Look When Viewing Brain CT Images? An Eye-Tracking Study Involving Stroke Cases”, PLoS ONE Volume 6, Issue 12, pp. 1-7, December 12, 2011.

Ting, Windsor Kwan-Chun, Velazquez, Jose Luis Perez and Cusimano, Michael D., [2014], “Eye movement measurement in diagnostic assessment of disorders of consciousness”, Frontiers in Neurology, Volume 5, Article 137, pp. 1- 9, July 2014.

Vilppu, Henna, Mikkilä-Erdmann, Mirjamaija, Södervik, Ilona and Österholm-Matikainen, Erika, [2017], “Exploring Eye Movements of Experienced and Novice Readers of Medical Texts Concerning the Cardiovascular System in Making a Diagnosis”, Anatomical Sciences Education, Jan./Feb., pp. 23–33, 2017.

Wood, Greg, Batt, Jeremy, Appelboam, Andrew, Harris, Adrian and Wilson, Mark R., [2014], “Exploring the Impact of Expertise, Clinical History, and Visual Search on Electrocardiogram Interpretation”, Medical Decision Making, Jan., Vol. 34(1), pp. 75-83, 2014.

Wood, Greg, Knapp, Karen M., Rock, Benjamin, Cousens, Chris, Roobottom, Carl and Wilson, Mark R., [2013], “Visual expertise in detecting and diagnosing skeletal fractures”, Skeletal Radiology, Vol. 42, pp. 165–172, 2013.

Visual Guidance

Khosravan, Naji, Celik, Haydar, Turkbey, Baris, Cheng, Ruida, McCreedy, Evan, McAulie, Matthew, Bednarova, Sandra, Jones, Elizabeth, Chen, Xinjian, Choyke, Peter L., Wood, Bradford J. and Bagci, Ulas, [2016], “Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation” Discussion Paper Center for Research in Computer Vision (CRCV), University of Central Florida (UCF), Orlando, FL, National Institutes of Health (NIH), Bethesda, MD and Soochow University, Suzhou City, China, August 2016.

Usability von medizintechnischen Apparaten

Amantis, Raffaela, Conrradi, Fabrizio, Molteni, Anna Maria, Massara, Bruno, Orlandi, Marco, Federici, Stefano, Olivetti-Belardinelli, Marta and Mele, Maria Laura, [2011], “Eye-tracking assistive technology: is this effective for the developmental age? Evaluation of eye-tracking systems for children and adolescents with cerebral palsy”, in: Gelderblom, G. J. et al., (Eds.), [2011], Everyday Technology for Independence and Care, pp. 489-496, IOS Press, 2011.

Koester, Thomas, Brøsted, Jesper E., Jakobsen, Jeanette J., Malmros, Heike P. and Andreasen, Niels K., [2017], “The Use of Eye-Tracking in Usability Testing of Medical Devices”, FORCE Technology – Department of Applied Psychology – Hjortekaersvej 99 – 2800 Kongens Lyngby – Denmark, Poster Paper presented at the HFES 2017 International Symposium on Human Factors and Ergonomics in Health Care, March 2017, New Orleans, Luisiana, USA.

Spaeth, J., Schweizer, T., Schmutz, A., Buerkle, H. and Schumann, S., [2017], “Comparative usability of modern anaesthesia ventilators: a human factors study”, British Journal of Anaesthesia, 3. October 2017.

Usability von Healthcare Websites

Loos, E., and Mante-Meijer, E., [2012], “Getting access to website health information: does age really matter?”, in: E. Loos, L. Haddon, and E. Mante-Meijer, (Eds.), Generational use of new media, pp. 185-202, Burlington, VT, Ashgate, 2012.

[1] Eine kurze Erläuterung zum mikroökonomischen Konzept der superioren Güter findet sich bei: https://de.wikipedia.org/wiki/Superiores_Gut